欢迎来到天天文库
浏览记录
ID:36809323
大小:2.52 MB
页数:93页
时间:2019-05-15
《基于脑区的PET图像分析方法的初步研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、上海交通大学博士学位论文基于脑区的PET图像分析方法的初步研究摘要脑功能的定位是脑科学研究领域内的重要课题。PET被广泛地应用于脑功能的研究和相关的临床诊断。本文针对目前广泛用以分析PET图像的基于体素形态测量法(VoxelBasedMorphometry,VBM)的不足,建立了基于脑区形态测量法(RegionBasedMorphometry,RBM)。作为对VBM的补充,RBM是有效分析PET图像的一种可供选择的新方法。本文的研究主要涉及以下四个方面:1、本文对BEAK方法加以改进,建立了autoBEAK方法,实现对PET图像的自动盲
2、恢复,解决了因正电子射程而导致PET图像模糊问题。建立了基于三维Levy分布的BEAK-3D方法,对以三维采集方式得到的PET图像进行自动盲恢复。以两种实验(主观评判和测量模型几何参数)验证了autoBEAK方法和BEAK一3D方法对PET图像进行盲恢复的效果,验证结果表明这两种方法的图像恢复效果均优于BEAK方法。2、重点研究了PET图像与Talairach图谱的空间归一化问题。将空间归一化分为全局配准和局部非线性配准两个步骤:先用互信息算法实现图像的全局配准,再以弯曲能量为形变域约束准则,并用基于DCT基函数的方法实现图像的局部非线
3、性配准,从而将PET图像映射到上海交通大学博士学位论文Talairach图谱,使不同个体的PET图像可以在标准空间中进行比对。3、利用药代动力学的二室模型,分析了PET图像灰度值与图像采集时间之间的关系。利用此模型校正不同采集时间对PET图像灰度值的影响。4、在上述各项研究的基础上,建立了分析PET图像的基于脑区形态测量法RBM。以实验分析比较了RBM和VBM的性能。本文囿于实验条件(小动物PET),无法进行动物模型实验;因受医学伦理的约束,也不能在人体上进行可控实验,所以本文对已有临床数据作了回顾性研究。研究中,分别以治疗帕金森病的脑
4、深部电刺激、光刺激和随意运动为干预手段,使用RBM方法和VBM方法分别检测响应脑区的位置;并对照医学知识和临床诊断,比较RBM和VBM两种检测方法的性能,从而验证和评价RBM方法的有效性。RBM方法提高了脑功能定位的特异性,可以作为VBM方法的补充,应用于脑部PET的分析和研究。关键词PET图像分析,图像空间归一化,图像盲恢复,脑区分析Ⅱ上海交通大学博士学位论文THEPRIMARYSTUDYoFAREGOINBASEDMoRPHOMETRYFoRTHEANALYSIS0FPETIMAGESABSTRACTDetectingthefunc
5、tionalareaofbrainhasbeenanimportantworkinthebrainresearches.Positronemissiontomography(PET)hasbeenwidelyusedinclinicaldiagnosisandinthestudyofhumanbrainfunction.InordertoimprovetheVoxelBasedMorphometryfVSM)whichhasbeenappliedtoPETimageanalysiswidely,thisthesisachievesaPE
6、TimageanalysisapproachnamedRegionBasedMorphometry(RBM),asasupplementofVBMmethodandanoptionalmethodforanalyzingPETimage.Themaintopicsinthisthesisareasfollowing:1.Establishmentanewmethod,namedautoBEAK,fortheblindrestorationofPETimages.TheautoBEAKmethodisbasedontheBEAKmetho
7、d.ItestimatedthepointspreadfunctionofPETimagesdirectfromthelow—qualityPETimages,andsolvedbackwarddiffusionprocessesiterativelytoaccomplishPETimageblindrestorationautomatically.Using3DPSI:,based011Levystableprocesses,anotherautomatedmethodnamedBEAK一3Disdevelopedforrestori
8、ngthePETimageacquriedinthe3Dimagingmodel.TwotypesoftestS(subjectjudgmentandmodelgeometryparametermeasur
此文档下载收益归作者所有